NHL on AWS
National Hockey League 的 AWS 團隊將成為 NHL 的官方雲端基礎設施提供商。
NHL 為什麼選擇 AWS
曲棍球比賽一決高下從幾秒變成幾毫秒。但是，從大量資料中取得洞察仍然具有挑戰性。聽聽 NHL 講述他們如何使用 AWS 開發新的進階洞察，以前所未有的方式區分球員及其表現。
解鎖資料的潛力
使用超過 10 年的 NHL 歷史曲棍球資訊和追蹤系統 (HITS) 資料，聯盟會利用此資料的力量，透過使用 AWS Lambda、Amazon SageMaker 等創新 AWS 技術產生進階統計數字。
吸引和取喜粉絲
粉絲會更深入了解選手、團隊和聯盟，因為 AWS 的領先技術將協助交付下一代進階分析。新的即時曲棍球統計數字將轉變賽前、賽中和賽後的粉絲體驗，協助粉絲更好地理解和欣賞冰上動作。
增強廣播產品品質
AWS 處理的影片摘要和 NHL 的新 4K 攝影機會擷取冰上的每個角度，以便更好了解整場比賽所發生的情況，進行生動講述。NHL 正在 AWS 上建置中央儲存庫，在即時存取 NHL 內容時可協助抓取封存的影片，從而交付新的賽內分析、預測和影片精彩瞬間，提升行動版、線上版和廣播版體驗。
了解由 AWS 提供支援的 NHL EDGE IQ 如何利用顛覆性技術取得巨大成功。從即時分析至球員表現洞察，探索 AWS 如何透過資料驅動型洞察協助聯盟及其球員提高比賽水平。
了解 AWS 如何預測可能的開球獲勝者
深入了解 ML Solutions Lab 團隊如何使用 NHL 建置開球概率
主要障礙
將開球活動建模為 ML 問題，收集預測所需的參數，呼叫模型，並將結果提交給廣播公司
建置 ML 模型
透過不斷聽取 NHL 的專業知識並測試假設，AWS 的科學家設計了 100 多個與開球活動相關的特徵。
確定開球
深入了解 AWS AI 和機器學習團隊如何使用 NHL 建置開球概率。
影響機會分析的主要因素
雖然有多個因素最終會影響每個評分機會，但機會分析模型顯示了下列三個因素最一致地影響機會的品質。
守門員位置
機會分析著眼於守門員深度、距離和高度等 7 個不同因素，來形成評分。
冰球運動
機會分析著眼於冰球方向變化、冰球速度範圍、冰球平均速度和角度差異等 5 個不同因素，來形成評分。
流量
機會分析著眼於射門原點和球門柱之間的球員位置，以及可能的視野障礙和防守冰球位置，來形成評分。
吸引粉絲
根據冰上的快速移動動作對曲棍球進行預測，NHL 透過利用 AWS 無與倫比的雲端運算技術集，正在產生其自己的進階統計數字集，NHL 還會產生進階統計數字集。使用十年的歷史資料，NHL 現在可以針對即時比賽動作提供來自其豐富歷史記錄的深入分析。
-
畫面分析
-
儲存分析
-
畫面分析
-
畫面分析
每場比賽中的每個畫面會包含大量可變因素，例如畫面是冰上的什麼位置，團隊是實力相當、人手不足或集中攻勢；比賽的比分、時間等。
-
儲存分析
-
儲存分析
守門員的每次撲救現在會包含基於畫面位置、不同團隊實力條件、比賽時間和比賽條件等的守門員撲救百分比。
「AWS 是 NHL 的完美合作夥伴，協助我們彙總豐富的歷史內容，交付即時進階分析，而該分析會持續轉變粉絲體驗。這些統計數字的交付會為粉絲、選手、教練和廣播業者提供機會，以新方式觀看比賽，對賽中的策略決策有更深入的理解。」
– NHL 業務開發和創新執行副總裁 Dave Lehanski
「AWS 是 NHL 的完美合作夥伴，協助我們彙總豐富的歷史內容，交付即時進階分析，而該分析會持續轉變粉絲體驗。這些統計數字的交付會為粉絲、選手、教練和廣播業者提供機會，以新方式觀看比賽，對賽中的策略決策有更深入的理解。」
– NHL 業務開發和創新執行副總裁 Dave Lehanski
